基于MFDFA的往复泵泵阀声音信号故障诊断

被引：7

作者：

郭攀 ^{[1
]}

史洪伟 ^{[1
]}

裴峻峰 ^{[2
]}

王红艳 ^{[1
]}

周丹红 ^{[1
]}

谢永 ^{[1
]}

机构：

[1] 宿州学院化学化工学院

[2] 常州大学机械工程学院

来源：

榆林学院学报 | 2020年 / 30卷 / 02期

关键词：

往复泵泵阀; 声音信号; MFDFA; 故障诊断; SVM;

D O I：

10.16752/j.cnki.jylu.2020.02.010

中图分类号：

TH38 [各种用途];

学科分类号：

120111 [工业工程];

摘要：

针对往复泵泵阀故障诊断,使用声音信号对其进行状态监测,采用多重分形趋势波动分析(MFDFA,Multifractal Detrended Fluctuation Analysis)计算时间序列声音信号的多重分形谱,并提取特征参数,将这些参数用于故障诊断。首先将时间序列的声音信号转换为时间序列的随机游走;然后进行去趋势并提取声音信号的多重分形特征参数进行比较分析;最后将多重分形参数作为特征向量输入支持向量机(SVM,Support Vector Machine)进行模式识别。经过验证分析,声音信号的波动呈现明显的多重分形特性,可以有效区分正常状态与故障状态,进而实现对往复泵泵阀的故障诊断。

引用

页码：41 / 45

页数：5

共 6 条

[1]

Multifractal detrended fluctuation analysis of nonstationary time series.[J].Jan W. Kantelhardt;Stephan A. Zschiegner;Eva Koscielny-Bunde;Shlomo Havlin;Armin Bunde;H.Eugene Stanley.Physica A: Statistical Mechanics and its Applications.2002, 1

[2]

Quantifying fractal dynamics of human respiration: Age and gender effects [J].